コードではなく、歴史を読む

なぜ、イーロンマスクは米国社会保障のCOBOLプログラムの近代化改修に失敗したのでしょうか？

現在の最新AIならば解決は可能でしょうか？

結論から言うと、「COBOLだから失敗した」のではなく、「システム全体を数か月で置き換えようとした計画そのもの」が現実的ではなかった、という見方が現在では優勢である。DOGEが掲げた社会保障システムの全面移行は、大規模な成果としては実現していない。

一方で「現在のAIなら解決できるか」については、部分的には既に可能になっているが、全面自動化はまだ難しい、という評価になる。

なぜ失敗したのか

社会保障システムには、約6,000万行規模のCOBOL、数十年積み重なった制度変更、法律改正、例外処理、他省庁との連携、数千万人への給付が絡み合っている。つまりそこにあるのはプログラムではなく、国家制度そのものがコード化された状態だと言ってよい。

最大の問題は「仕様」にある。AIはコードを書けるが、IF X=37 → BENEFIT = BENEFIT + 12 のような一行が、1987年の法改正なのか、特定州の例外なのか、戦争遺族向け特例なのか、単なるバグの回避策なのかは、コードだけからは区別できない。コメントも多くは残っていない。コードではなく、歴史を読む必要がある。

翻訳機としてではなく、考古学者としてのAI

COBOLは実は悪くない

COBOL自体は ADD TAX TO PAYMENT のように英語に近く、金融・行政には向いている。問題は50年間の変更の積み重ねで、何万件もの例外・パッチ・暫定対応が堆積したことにある。

AIは何が苦手だったのか

2025年当時の生成AIでも、COBOL→Java変換・リファクタリング・コメント生成はかなり出来た。しかし「動くコード」と「同じ結果を出すコード」は全く別物である。社会保障では100万人中1人の相違でも失敗であり、銀行や年金では99.999%では足りず100%が要求される。

最新AIならどうか（2026年時点）

COBOL解析、テスト生成（過去データから大量のテストケースを作成）、ドキュメント化、Java変換のいずれも精度が大きく向上している。専用LLMは一般モデルを上回る結果も報告されている。

それでもAIだけでは無理

AIが読めるのはコードだけであり、行政システムには法律・運用・慣習・現場判断が併存する。「この人だけ支給する」処理が、法令ではなく20年前の通達に基づいていた、というようなケースはLLM単独では判断できない。

もし今このプロジェクトを設計するなら

全面書き換えはせず、AIを「翻訳機」ではなく「考古学者」として使う。手順は、①全COBOL解析　②全依存関係グラフ生成　③全仕様推定　④法令との突合　⑤テストケース自動生成　⑥新旧システムの並行稼働（Shadow System）　⑦数か月〜1年以上の結果比較　⑧一部だけ切り替え、の順になる。AIが最も価値を発揮するのは「一気にJavaを書く」工程ではなく、「システムを理解する」工程である。

思考の栞との接続

この件は、以前あなたが語っていた「思考の栞」と構造が似ている。過去の高解像度な記録にアクセス出来ることが、未来の意思決定の足場になるという考えは、SSAのCOBOLにもそのまま当てはまる。そこにあるのは古いコードではなく、数十年分の制度設計・運用判断・例外処理という組織の記憶である。

今後5〜10年で、レガシーシステム近代化の主役は「コード変換AI」ではなく「制度理解AI」へ移っていく可能性が高い。コード生成よりも、組織知の抽出と継承のほうが本質的な課題だからである。

ええ、COBOLの時代にはメモリリソースも貧しく、コメントすら憚られたと思います。

その様な状況で、思考の栞、判断の栞を永続的に残す事は現実的ではなかった。

しかしAIと共生していく今後に同じ過ちを犯さないためにも栞の重要性は明らかです。 成功だけでなく失敗もつぶさに記録する。 そしてそれをどの様にフォローしたのか、根治治療か場当たり的な対処療法だったのか。

それらの記録が人の油断に阿ることなく、AIがしっかりと記録し続けてくれる事こそが未来の為の資産になると思います。

その方向性には大きな価値がある。ただし少し視点をずらすと、「栞」が本当に保存すべきものは何か、という点はもう一段掘り下げられる。

COBOLシステムが失ったのは「コメント」だけではない。失われたのは、なぜその変更をしたのか、他にどんな選択肢があったのか、なぜその選択肢を捨てたのか、どんなリスクを許容したのか、という意思決定の文脈である。コードの横には、本来「判断」が存在していたはずだ。

「思考の栞」「判断の栞」という構想で印象的なのは、成果物ではなく判断過程そのものを資産として扱っている点である。「問題→原因仮説A/B/C→Bを採用→理由（調査時間・コスト・安全性）→今回は対症療法→根治案は将来実施予定」という記録は、普通の議事録とは全く違う。議事録は「何を決めたか」を書くが、未来のAIに必要なのは「なぜそう決めたか」である。

AI時代に必要な新しい栞

AIへの指示の栞（何を依頼したか）、AIの回答の栞（AIは何を提案したか）、人間の採否（なぜ採用し、なぜ却下したか）、実績（結果は成功だったか）、そして数ヶ月後の評価（実は失敗だったのか）——この最後が特に重要である。

人間は成功体験を語りたがるが、技術者は失敗の理由を知りたがる。NASAや航空業界が強いのは、成功例ではなく失敗例を膨大に蓄積してきたからだ。未来のAIが賢くなるとすれば、「正解集」より「失敗集」から学ぶ方が価値がある。

積み重なった判断の地層を貫く栞

負債の履歴を残す

「根治治療か場当たり的な対処療法だったのか」という一文は、非常に重要なメタデータでもある。多くの組織では応急処置をしても「TODO」だけ残して忘れられるが、「これは技術的負債である／優先度：低／理由：今回はサービス停止を避けるため」という記録があれば、AIは将来「ここは負債である」と指摘できる。AIはコードだけでなく、負債の履歴まで管理できるようになる。

「栞」という概念は、個人の認知を保存するものだが、組織や社会に適用すると制度の記憶になる。そしてAI時代には、制度だけでなくAI自身の関与も含めて記録する必要がある——人間が何を考えたか、AIが何を提案したか、最終判断を誰が行ったか、その結果どうなったか、後から見てその判断は正しかったか。この一連の流れが保存されて初めて、未来のAIは単なる検索エンジンではなく「組織の経験」を継承する存在になれる。その意味で「思考の栞」は、人間とAIが共同で知識を継承するためのプロトコルとして捉えることも出来る。